[发明专利]一种基于改进偶对近似的自适应网络演化分析方法及系统

权利要求书

1.一种改进偶对近似的自适应网络演化分析方法，其特征在于，所述自适应网络演化分析方法包括：

获取网络初始结构以及网络中的变量模体信息；

获取网络演化过程中的演化规则，明确变量模体发生状态转移的初始条件和产生结果；

根据变量模体以及所述演化规则，获取变量模体与演化规则的最小粘合；

根据所述演化规则以及所述最小粘合，生成待分析变量的微分图方程组；

基于改进偶对近似技术实现所述微分图方程组的闭包；

根据闭包后的所述微分图方程组对所述待分析变量进行分析计算，以获取待分析变量在自适应网络演化过程中的变化情况以及稳定状态。

2.如权利要求1所述的改进偶对近似的自适应网络演化分析方法，其特征在于：所述变量模体信息包括各个节点的状态以及节点与节点之间的连接关系信息；

二元自适应网络中，所述变量模体包括网络中各类节点和连接形成的子图：

网络中每个节点持有正向状态A或反向状态B；

任意两个状态为正向状态且相连的节点所形成的连接AA；

任意两个状态为反向状态且相连的节点所形成的连接BB；

任意两个状态不同且相连的节点所形成的连接AB；

所述待分析变量包括如下中的一个或多个：

以节点A的数量作为待分析变量，称为模体变量[A]；

以节点B的数量作为待分析变量，称为模体变量[B]；

以连接AA的数量作为待分析变量，称为模体变量[AA]；

以连接BB的数量作为待分析变量，称为模体变量[BB]；

以连接AB的数量作为待分析变量，称为模体变量[AB]；

以A节点对的数量作为待分析变量，称为模体变量[A]²；

以B节点对的数量作为待分析变量，称为模体变量[B]²；

以AB连接对的数量作为待分析变量，称为模体变量[AB]²；

所述待分析变量在自适应网络演化过程中的变化情况包括如下中的一个或多个：

模体变量[A]在所述自适应网络演化过程中的变化情况，即

模体变量[B]在所述自适应网络演化过程中的变化情况，即

模体变量[AA]在所述自适应网络演化过程中的变化情况，即

模体变量[BB]在所述自适应网络演化过程中的变化情况，即

模体变量[AB]在所述自适应网络演化过程中的变化情况，即

模体变量[A]²在所述自适应网络演化过程中的变化情况，即

模体变量[B]²在所述自适应网络演化过程中的变化情况，即

模体变量[AB]²在所述自适应网络演化过程中的变化情况，即

3.如权利要求2所述的改进偶对近似的自适应网络演化分析方法，其特征在于：获取网络演化过程中的演化规则，明确变量模体发生状态转移的初始条件和产生结果，具体演化规则包括：

二元自适应网络中每个节点持有正向状态A或反向状态B，对于每条状态不一致的连接AB，每一时刻该连接中的任意端点以概率α进行自适应结构重连，以概率1-α基于二者网络适应度的相对大小模仿对方的状态；

自适应网络中任意节点的网络适应度取决于该节点自身状态以及相邻节点的状态；令π_A为AB连接中节点A的网络适应度，π_B为节点B的网络适应度，那么节点A模仿节点B的概率服从Fermi分布，即反之节点B模仿节点A的概率亦服从Fermi分布，即其中β为选择系数。

4.如权利要求3所述的改进偶对近似的自适应网络演化分析方法，其特征在于，根据变量模体以及所述演化规则，获取变量模体的最小粘合；

对于任意给定的两个变量模体g₁和g₂，二者的最小粘合记为mg(g₁,g₂)，为这两个变量模体在共同陪域匹配的集合，即二者所有可能的映射组合模式。